Sut y gall AI helpu i atal potsio eliffantod
24 Chwefror 2025

Gallai system Deallusrwydd Artiffisial (AI) newydd helpu i atal potsio eliffantod ym Malaysia, yn ôl ymchwilwyr ym Mhrifysgol Caerdydd.
Offeryn dysgu peirianyddol newydd yw PoachNet a gafodd ei ddylunio trwy integreiddio dysgu dwfn, data System Leoli Fyd-eang (GPS) ar eliffantod, a gwybodaeth am ymddygiad eliffantod, i helpu i ragfynegi achosion o botsio, a’u hatal, yn Sabah.
Defnyddiodd ymchwil Prifysgol Caerdydd o’r Ysgol Cyfrifiadureg a Gwybodeg ac Ysgol y Biowyddorau ddysgu peirianyddol a chronfa ddata glyfar i greu system sy’n gallu rhagfynegi risgiau potsio.
Mae PoachNet wedi'i ddatblygu i helpu i ragfynegi canfod lleoliadau eliffantod yn y dyfodol ac mae'n defnyddio'r wybodaeth hon i nodi risgiau potsio yn seiliedig ar ba mor agos ydyn nhw at ardaloedd peryglus sydd eisoes wedi’u nodi.
Dywedodd Naeima Hamed, Ymchwilydd doethurol yn Ysgol Cyfrifiadureg a Gwybodeg Prifysgol Caerdydd: “Mae data GPS eliffantod yn cael ei ddadansoddi gyda math arbennig o AI - rhwydwaith niwral dilyniannol - i ragfynegi i ble y byddan nhw’n symud. Mae'r rhagfynegiadau hyn yn cael eu hychwanegu at y graff gwybodaeth mewn ffordd ystyrlon - yna mae PoachNet yn defnyddio system sy'n seiliedig ar reolau i gymhwyso rheolau potsio a chanfod patrymau cudd yn y data. O’i brofi, daethon ni i’r casgliad fod PoachNet yn fwy cywir na dulliau blaenllaw eraill, gan berfformio'n well yn gyson."
Trwy drin cymhlethdod data sy’n ymwneud ag amser a lleoliad, a throi rhagfynegiadau yn rheolau ymarferol, mae PoachNet yn cynnig gwelliant mawr o ran olrhain a diogelu eliffantod.
Mae dulliau blaenorol o atal potsio eliffantod wedi canolbwyntio ar agweddau penodol, megis dadansoddi rhwydweithiau cymdeithasol, cloddio data amlgyfrwng, neu fodelau sy’n seiliedig ar ddata patrolau parcmyn – ond mae dull PoachNet Prifysgol Caerdydd yn ymgorffori dealltwriaeth o ddeinameg bywyd gwyllt.
Mae'r ymchwilwyr yn gobeithio y gall PoachNet helpu i lywio strategaethau ar gyfer mynd i'r afael â gweithgarwch gwrth-botsio yn Sabah, trwy helpu gyda dyrannu adnoddau yn seiliedig ar ei ragfynegiadau. Gall hefyd lywio’r defnydd o drapiau camerâu sy’n recordio symudiadau mewn ardaloedd sydd fwyaf tebygol o fod â throseddau potsio disgwyliedig.
Dywedodd yr Athro Omer Rana, Deon Rhyngwladol y Dwyrain Canol ac Athro Peirianneg Perfformiad yn Ysgol Cyfrifiadureg a Gwybodeg Prifysgol Caerdydd: “Mae PoachNet yn offeryn meddalwedd unigryw sy’n integreiddio ffynonellau data rhanbarthol gan ddefnyddio modelu semantig ag algorithmau dysgu peirianyddol sy’n dod i’r amlwg a rhesymu semantig. Mae PoachNet yn mynd i'r afael â her sy'n parhau i effeithio ar gymunedau sy'n cefnogi rhywogaethau sy’n wynebu risg. Mae newid yn yr hinsawdd ac economeg yn arwain at effaith sylweddol ar y groesffordd hon rhwng gweithgarwch dynol a chynefinoedd naturiol.
Mae modd cyffredinoli’r dull sy’n defnyddio data a gafodd ei fabwysiadu ar gyfer PoachNet hefyd i gefnogi ardaloedd a pharciau cenedlaethol tebyg eraill - gan alluogi defnyddio camau gorfodi’r gyfraith ac adnoddau’r llywodraeth mewn ffordd fwy effeithlon.
Dywedodd yr Athro Benoit Goossens, Cyfarwyddwr Canolfan Maes Danau Girang ac Athro yn Ysgol y Biowyddorau Prifysgol Caerdydd: “Mae colli cynefinoedd, gwrthdaro rhwng pobl ac eliffantod, a photsio yn bygwth eliffantod Borneo. Er gwaethaf ymdrechion gwrth-botsio byd-eang, mae'r fasnach ifori anghyfreithlon yn parhau i ysgogi gweithgarwch potsio, gan leihau'r boblogaeth i lai na 1,500."
Dyma obeithio y gall PoachNet helpu gyda dulliau atal potsio, gan felly helpu i sicrhau diogelwch y boblogaeth eliffantod yn Sabah ar gyfer y dyfodol.

Mae PoachNet yn harneisio grym deallusrwydd artiffisial (DA) - graffiau dysgu dwfn a gwybodaeth semantig yn benodol - i droi data cymhleth am y ffordd mae eliffantod yn symud yn wybodaeth ymarferol sy’n diogelu bywyd gwyllt. Drwy uno modelau cyfrifiannol â data maes yn y byd go iawn, rydyn ni’n dangos dull newydd sy'n cael ei sbarduno gan ddata sy’n gallu helpu timau cadwraeth lleol i gymryd camau'n gyflymach ac yn fwy effeithiol yn erbyn bygythiadau gan botseriaid.
Mae'r ymchwilwyr hefyd yn gobeithio bod modd ehangu PoachNet trwy integreiddio ffynonellau data bywyd gwyllt ychwanegol - megis synwyryddion acwstig i ganfod pan fydd gynnau’n cael eu saethu neu sŵn cerbydau, delweddau lloeren i fonitro newidiadau cynefinoedd a gweithgarwch dynol, a chuddwybodaeth am droseddau.
Mae PoachNet yn rhoi offer gwell i fiolegwyr a chadwraethwyr er mwyn rhagfynegi achosion o botsio, a all drawsnewid atal troseddau bywyd gwyllt.
Cafodd yr ymchwil, PoachNet: Predicting Poaching Using an Ontology-Based Knowledge Graph, ei chyhoeddi yn MDPI.